用Python解析XML的几种常见方法的介绍

一、简介

   XML（eXtensible Markup Language）指可扩展标记语言，被设计用来传输和存储数据，已经日趋成为当前许多新生技术的核心，在不同的领域都有着不同的应用。它是web发展到一定阶段的必然产物，既具有SGML的核心特征，又有着HTML的简单特性，还具有明确和结构良好等许多新的特性。  
    python解析XML常见的有三种方法：一是xml.dom.*模块，它是W3C DOM API的实现，若需要处理DOM API则该模块很适合，注意xml.dom包里面有许多模块，须区分它们间的不同；二是xml.sax.*模块，它是SAX API的实现，这个模块牺牲了便捷性来换取速度和内存占用，SAX是一个基于事件的API，这就意味着它可以"在空中"处理庞大数量的的文档，不用完全加载进内存；三是xml.etree.ElementTree模块（简称 ET），它提供了轻量级的Python式的API，相对于DOM来说ET 快了很多，而且有很多令人愉悦的API可以使用，相对于SAX来说ET的ET.iterparse也提供了 "在空中" 的处理方式，没有必要加载整个文档到内存，ET的性能的平均值和SAX差不多，但是API的效率更高一点而且使用起来很方便。  

二、详解

  解析的xml文件（country.xml）：  

在CODE上查看代码片派生到我的代码片

      <?xml version="1.0"?> 
      <data> 
        <country name="Singapore"> 
          <rank>4</rank> 
          <year>2011</year> 
          <gdppc>59900</gdppc> 
          <neighbor name="Malaysia" direction="N"/> 
        </country> 
        <country name="Panama"> 
          <rank>68</rank> 
          <year>2011</year> 
          <gdppc>13600</gdppc> 
          <neighbor name="Costa Rica" direction="W"/> 
          <neighbor name="Colombia" direction="E"/> 
        </country> 
      </data> 

1、xml.etree.ElementTree

    ElementTree生来就是为了处理XML，它在Python标准库中有两种实现：一种是纯Python实现的，如xml.etree.ElementTree，另一种是速度快一点的xml.etree.cElementTree。注意：尽量使用C语言实现的那种，因为它速度更快，而且消耗的内存更少。  

在CODE上查看代码片派生到我的代码片

      try: 
        import xml.etree.cElementTree as ET 
      except ImportError: 
        import xml.etree.ElementTree as ET 

    这是一个让Python不同的库使用相同API的一个比较常用的办法，而从Python 3.3开始ElementTree模块会自动寻找可用的C库来加快速度，所以只需要import xml.etree.ElementTree就可以了。  

在CODE上查看代码片派生到我的代码片

      #!/usr/bin/evn python 
      #coding:utf-8 

      try: 
        import xml.etree.cElementTree as ET 
      except ImportError: 
        import xml.etree.ElementTree as ET 
      import sys 

      try: 
        tree = ET.parse("country.xml")     #打开xml文档 
        #root = ET.fromstring(country_string) #从字符串传递xml 
        root = tree.getroot()         #获得root节点  
      except Exception, e: 
        print "Error:cannot parse file:country.xml." 
        sys.exit(1) 
      print root.tag, "---", root.attrib  
      for child in root: 
        print child.tag, "---", child.attrib 

      print "*"*10 
      print root[0][1].text   #通过下标访问 
      print root[0].tag, root[0].text 
      print "*"*10 

      for country in root.findall('country'): #找到root节点下的所有country节点 
        rank = country.find('rank').text   #子节点下节点rank的值 
        name = country.get('name')      #子节点下属性name的值 
        print name, rank 

      #修改xml文件 
      for country in root.findall('country'): 
        rank = int(country.find('rank').text) 
        if rank > 50: 
          root.remove(country) 

      tree.write('output.xml') 

运行结果：

参考：https://docs.python.org/2/library/xml.etree.elementtree.html
**2、xml.dom.***

    文件对象模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。一个 DOM 的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。python中用xml.dom.minidom来解析xml文件，例子如下：  

在CODE上查看代码片派生到我的代码片

      #!/usr/bin/python 
      #coding=utf-8 

      from xml.dom.minidom import parse 
      import xml.dom.minidom 

      # 使用minidom解析器打开XML文档 
      DOMTree = xml.dom.minidom.parse("country.xml") 
      Data = DOMTree.documentElement 
      if Data.hasAttribute("name"): 
        print "name element : %s" % Data.getAttribute("name") 

      # 在集合中获取所有国家 
      Countrys = Data.getElementsByTagName("country") 

      # 打印每个国家的详细信息 
      for Country in Countrys: 
        print "*****Country*****" 
        if Country.hasAttribute("name"): 
         print "name: %s" % Country.getAttribute("name") 

        rank = Country.getElementsByTagName('rank')[0] 
        print "rank: %s" % rank.childNodes[0].data 
        year = Country.getElementsByTagName('year')[0] 
        print "year: %s" % year.childNodes[0].data 
        gdppc = Country.getElementsByTagName('gdppc')[0] 
        print "gdppc: %s" % gdppc.childNodes[0].data 

        for neighbor in Country.getElementsByTagName("neighbor"):  
          print neighbor.tagName, ":", neighbor.getAttribute("name"), neighbor.getAttribute("direction") 

运行结果：

参考：https://docs.python.org/2/library/xml.dom.html

**3、xml.sax.***

   SAX是一种基于事件驱动的API，利用SAX解析XML牵涉到两个部分：解析器和事件处理器。其中解析器负责读取XML文档，并向事件处理器发送事件，如元素开始跟元素结束事件；而事件处理器则负责对事件作出相应，对传递的XML数据进行处理。python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler。常使用在如下的情况下：一、对大型文件进行处理；二、只需要文件的部分内容，或者只需从文件中得到特定信息；三、想建立自己的对象模型的时候。  

ContentHandler类方法介绍
（1）characters(content)方法
调用时机：
从行开始，遇到标签之前，存在字符，content的值为这些字符串。
从一个标签，遇到下一个标签之前， 存在字符，content的值为这些字符串。
从一个标签，遇到行结束符之前，存在字符，content的值为这些字符串。
标签可以是开始标签，也可以是结束标签。
（2）startDocument()方法
文档启动的时候调用。
（3）endDocument()方法
解析器到达文档结尾时调用。
（4）startElement(name, attrs)方法
遇到XML开始标签时调用，name是标签的名字，attrs是标签的属性值字典。
（5）endElement(name)方法
遇到XML结束标签时调用。
在CODE上查看代码片派生到我的代码片

      #coding=utf-8 
      #!/usr/bin/python 

      import xml.sax 

      class CountryHandler(xml.sax.ContentHandler): 
        def __init__(self): 
         self.CurrentData = "" 
         self.rank = "" 
         self.year = "" 
         self.gdppc = "" 
         self.neighborname = "" 
         self.neighbordirection = "" 

        # 元素开始事件处理 
        def startElement(self, tag, attributes): 
         self.CurrentData = tag 
         if tag == "country": 
           print "*****Country*****" 
           name = attributes["name"] 
           print "name:", name 
         elif tag == "neighbor": 
           name = attributes["name"] 
           direction = attributes["direction"] 
           print name, "->", direction 

        # 元素结束事件处理 
        def endElement(self, tag): 
         if self.CurrentData == "rank": 
           print "rank:", self.rank 
         elif self.CurrentData == "year": 
           print "year:", self.year 
         elif self.CurrentData == "gdppc": 
           print "gdppc:", self.gdppc 
         self.CurrentData = "" 

        # 内容事件处理 
        def characters(self, content): 
         if self.CurrentData == "rank": 
           self.rank = content 
         elif self.CurrentData == "year": 
           self.year = content 
         elif self.CurrentData == "gdppc": 
           self.gdppc = content 

      if __name__ == "__main__": 
         # 创建一个 XMLReader 
        parser = xml.sax.make_parser() 
        # turn off namepsaces 
        parser.setFeature(xml.sax.handler.feature_namespaces, 0) 

         # 重写 ContextHandler 
        Handler = CountryHandler() 
        parser.setContentHandler(Handler) 

        parser.parse("country.xml") 

运行结果：

4、libxml2和lxml解析xml

   libxml2是使用C语言开发的xml解析器，是一个基于MIT License的免费开源软件，多种编程语言都有基于它的实现，python中的libxml2模块有点小不足的是：xpathEval()接口不支持类似模板的用法，但不影响使用，因libxml2采用C语言开发的，因此在使用API接口的方式上难免会有点不适应。  

在CODE上查看代码片派生到我的代码片

      #!/usr/bin/python 
      #coding=utf-8 

      import libxml2 

      doc = libxml2.parseFile("country.xml") 
      for book in doc.xpathEval('//country'): 
        if book.content != "": 
          print "----------------------" 
          print book.content 
      for node in doc.xpathEval("//country/neighbor[@name = 'Colombia']"): 
        print node.name, (node.properties.name, node.properties.content) 
      doc.freeDoc() 

    lxml是以libxml2为基础采用python语言开发的，从使用层面上说比lxml更适合python开发者，且xpath()接口支持类似模板的用法。  

在CODE上查看代码片派生到我的代码片

      #!/usr/bin/python 
      #coding=utf-8 

      import lxml.etree  

      doc = lxml.etree.parse("country.xml")  
      for node in doc.xpath("//country/neighbor[@name = $name]", name = "Colombia"):  
        print node.tag, node.items() 
      for node in doc.xpath("//country[@name = $name]", name = "Singapore"):  
        print node.tag, node.items() 

三、总结
（1）Python中XML解析可用的类库或模块有xml、libxml2 、lxml 、xpath等，需要深入了解的还需参考相应的文档。
（2）每一种解析方式都有自己的优点和缺点，选择前可以综合各个方面的性能考虑。
（3）若有不足，请留言，在此先感谢！